3.2 PROCESSO DE AVALIAÇÃO DE RISCOS
3.2.4 Processo de Análise Hierárquica Fuzzy
O objetivo desta última sub-etapa foi gerar a Lista de Riscos Priorizados, referente aos riscos de obras públicas avaliados neste trabalho. Para tanto, os questionários respondidos pelo time de especialistas foram utilizados como entrada para a execução do Processo de Análise Hierárquica Fuzzy proposto pelo autor para estimarem-se as prioridades de cada risco.
Por meio da revisão da literatura, verificou-se que os procedimentos para realização do FAHP têm sido bem documentados, evidenciando também uma diversidade nos métodos publicados em periódicos de renome (e.g. Journal of Construction Engineering and Management, Fuzzy Sets and Systems). Não obstante, não há consenso quanto ao FAHP mais preciso, ou seja, qual fornece resultados mais realistas, uma vez que pouco tem sido estudado no sentido de comparar os vetores-peso de prioridade obtidos por cada um dos métodos.
Ademais, ressaltam-se as três principais limitações em boa parte dos métodos que utilizam o FAHP para análise de riscos, citadas no Capítulo 2. São elas:
• Não consideração do risco como sendo produto da probabilidade pelo impacto (ZHANG e ZOU, 2007; ZAYED et al, 2008; LI e ZOU, 2011; YANG e WEI, 2011; LI et al, 2013-b; SILVA et al, 2015);
• Negligência em avaliar a consistência das matrizes de comparação (ZENG et al, 2007; KHAZAENI et al, 2012; LI et al, 2013-b; TAYLAN et al, 2014; SILVA et al, 2015; ELBARKOUKY et al, 2016);
• Complexidade das formulações matemáticas (ZENG et al, 2007; NIETO-MOROTE e RUZ-VILA, 2011; LI et al, 2013-b; ELBARKOUKY et al, 2016).
Visando contornar tais lacunas, o método apresentado neste trabalho para estimar as prioridades de cada risco, a partir de informações vagas obtidas de julgamentos de especialistas, baseou-se, principalmente, nos estudos de Buckley (1985), Saaty (1991) e Hsieh et al (2004).
A seguir, elucidam-se os quatro passos nos quais esta sub-etapa dividiu-se. Para melhor compreensão dos passos a seguir, sugere-se a leitura dos Itens 2.2.1 e 2.2.2, os quais tratam dos pontos chaves do AHP e da Teoria dos Conjuntos Fuzzy (FST), respectivamente.
Passo 1 – Construção das matrizes recíprocas de comparação
O primeiro passo consistiu em formular, para cada set de questionário, uma matriz recíproca de comparação pertinente, convertendo os julgamentos dos especialistas de variáveis linguísticas para números triangulares fuzzy 𝑡̃ 28. Segundo Klir e Yuan (1995), há diversos
métodos para construírem-se números fuzzy, sendo a maioria deles baseados no julgamento de especialistas. Neste trabalho, adotou-se a escala fundamental de conversão fuzzy proposta por Hsieh et al (2004), apresentada na Tabela 3.3.
Os critérios de conversão da Tabela 3.3 foram observados em diversas pesquisas que abordaram a temática de análise de riscos com uso do FAHP (CHANG, 1996; KAHRAMAN et al, 2004; WANG et al, 2008; KHAZAENI et al, 2012; VEERABATHIRAN et al, 2012; CHAN e WANG; 2013; TAYLAN et al, 2014; SILVA et al, 2015; LEE, 2015).
Tabela 3.3. Escala fundamental de conversão fuzzy (adaptada Hsieh et at, 2004).
Termo linguístico Símbolo 𝒕̃ 𝒕̃−𝟏
Igual IG (1,1,3) (1 3 , 1, 1) Moderado MO (1,3,5) (1 5 , 1 3 , 1) Forte FO (3,5,7) (1 7 , 1 5 , 1 3) Muito Forte MF (5,7,9) (1 9, 1 7, 1 5) Extremo EX (7,9,9) (1 9 , 1 9 , 1 7)
Os cinco números 𝑡̃ = (𝑙, 𝑚, 𝑢) foram propostos, originalmente, por Mon et al (1994), conforme a Tabela 3.4.
Tabela 3.4. Números triangulares fuzzy (adaptada de Mon et al, 1994).
𝒄𝒐𝒓𝒆(𝒕̃) 𝒕̃ 𝒙 ∈ 𝑼
1 (1,1,3) [1, 3]
3, 5 e 7 (𝑥 − 2, 𝑥, 𝑥 + 2) [1, 5], [3, 7] e [5, 9]
9 (7,9,9) [7, 9]
A partir da Tabela 3.4 e da Equação 2.5, a qual descreve a função de pertinência 𝜇𝑇(𝑥) de um número triangular fuzzy, construíram-se os gráficos de cada número 𝑡̃ = (𝑙, 𝑚, 𝑢) da Tabela 3.3, os quais são apresentados na Figura 3.3. Ademais, incluiu-se a variável linguística com o intuito de demonstrar como os termos linguísticos relacionam-se com os números fuzzy. Observa-se que o universo de discurso compreende o intervalo real [1, 9] e que a função de pertinência 𝜇𝑇(𝑥) relaciona, para cada 𝑥 ∈ 𝑈, um número real contido no intervalo [0, 1]. Ou seja, a altura ℎ(𝑇) = 1, sendo assim, o conjunto fuzzy 𝑇 definido por 𝜇𝑇(𝑥) é normal. Os 𝛼 − 𝑐𝑢𝑡 para cada número triangular fuzzy foram calculados por meio da Equação 2.6, sendo apresentados na Tabela 3.5.
Figura 3.3. Números fuzzy da variável linguística. Tabela 3.5. 𝛼 − 𝑐𝑢𝑡 de 𝑡̃. 𝒕̃ 𝜶 − 𝒄𝒖𝒕 (1,1,3) [1 , 3 − 2𝛼] (1,3,5) [1 + 2𝛼 , 5 − 2𝛼] (3,5,7) [3 + 2𝛼 , 7 − 2𝛼] (5,7,9) [5 + 2𝛼 , 9 − 2𝛼] (7,9,9) [7 + 2𝛼 , 9]
Por meio dos números fuzzy obtidos das comparações par-a-par convertidas pela escala exibida na Tabela 3.3, construíram-se, para cada set de questionário, as matrizes recíprocas de comparação 𝑇̃, de acordo com a teoria de Saaty (1991). A Equação 3.2 formula a construção de 𝑇̃, uma matriz quadrada, positiva e recíproca.
𝑇̃ = (𝑡̃𝑖𝑗)𝑛×𝑛 = [ (1,1,1) ⋯ (𝑙1𝑛, 𝑚1𝑛, 𝑢1𝑛) ⋮ ⋱ ⋮ (𝑙𝑛1, 𝑚𝑛1, 𝑢𝑛1) ⋯ (1,1,1) ] , (Equação 3.2)
onde:
𝑡̃𝑖𝑗 = (𝑙𝑖𝑗, 𝑚𝑖𝑗, 𝑢𝑖𝑗) e 𝑡̃𝑖𝑗−1= (1 𝑢⁄ 1 𝑚𝑗𝑖 ⁄ 𝑗𝑖1⁄ ) ∀ 𝑖, 𝑗 ∈ {1, … , 𝑛} e 𝑖 ≠ 𝑗; 𝑙𝑗𝑖
𝑡̃𝑖𝑗 = (1,1,1) ∀ 𝑖 = 𝑗.
O termo 𝑡̃𝑖𝑗 representa a importância que o elemento 𝐸𝑖 possui em comparação ao elemento 𝐸𝑗, para o especialista em questão. Se 𝑡̃13 = (1, 3, 5), logo 𝑡̃31 = (1
5, 1
3, 1), o que
significa que o elemento 𝐸1 possui moderada importância em relação ao elemento 𝐸3.
Passo 2 – Análise de consistência
A consistência das matrizes recíprocas de comparação é uma questão importante a ser avaliada, uma vez que pode impactar diretamente os resultados finais da análise (XU e WANG, 2013). A consistência de um julgamento pode ser interpretada da seguinte maneira: se o elemento 𝐸1 tem preferência sobre 𝐸2, o qual possui preferência sobre 𝐸3, espera-se que 𝐸1
também apresente preferência sobre 𝐸3. Tal interpretação é conhecida como transitividade fraca29, e refere-se à condição lógica mínima que um julgamento consistente deve apresentar
em uma relação de preferência fuzzy (HERRERA-VIEDMA et al, 2004).
Neste trabalho, optou-se por utilizar o teste de consistência proposto, em 1980, pelo professor Thomas Saaty por três razões:
• Vasta aplicação no AHP e FAHP (BOATENG et al, 2015);
• Maior simplicidade computacional quando comparado aos demais métodos existentes;
• Delimitação de um limite de tolerância nas inconsistências dos julgamentos, dentro do qual é possível trabalhar.
Uma vez que o método de Saaty para o teste de consistência lida apenas com números determinísticos, primeiramente, foi necessário transformar os números fuzzy da matriz 𝑇̃ em números não-fuzzy, dando origem a matrizes 𝐴. Além do mais, Buckley (1985) prova que, se uma matriz recíproca construída com números determinísticos é consistente, a matriz correspondente com números fuzzy também será.
Para tanto, utilizou-se a técnica do 𝛼 − 𝑐𝑢𝑡, para 𝛼 = 1, limitando, assim, 𝑥 ao intervalo no qual os elementos são totalmente compatíveis com o conjunto fuzzy 𝑇. Por meio dos 𝛼 − 𝑐𝑢𝑡 da Tabela 3.5 e das funções de pertinência 𝜇𝑇(𝑥) da Figura 3.3, elaborou-se a Tabela 3.6,
contendo os números não-fuzzy referentes a cada número fuzzy.
Tabela 3.6. Números não-fuzzy obtidos para 𝛼 = 1.
Número fuzzy Número não-fuzzy
(1,1,3) 1
(1,3,5) 3
(3,5,7) 5
(5,7,9) 7
(7,9,9) 9
Os procedimentos a seguir, utilizados para calcular a consistência das matrizes, fazem referência à publicação de Saaty (1991).
Segundo estabelece o AHP, o autovetor principal da matriz 𝐴, quando normalizado, fornece a ordem de prioridade, enquanto o autovalor máximo 𝜆𝑚𝑎𝑥 é a medida de consistência do julgamento do especialista.
Em linhas gerais, a partir de uma quantidade mínima de julgamentos consistentes, todos os demais poderiam ser inferidos, logicamente, deles. Por meio de comparações par-a-par entre 𝑛 elementos, precisar-se-iam de 𝑛 − 1 comparações paritárias básicas para relacionarem-se os elementos, desde que cada um seja representado ao menos uma vez. Consequentemente, os julgamentos restantes poderiam ser deduzidos, simplesmente, utilizando relações do tipo:
Se o elemento 𝐸1 é três vezes mais dominante do que 𝐸2 e seis vezes mais dominante do que 𝐸3, então 𝐸1 = 3𝐸2 e 𝐸1 = 6𝐸3. Se os valores numéricos do julgamento na posição (2,3) forem diferentes de 2, então a matriz seria dita inconsistente.
Inconsistências do tipo verificam-se constantemente, no entanto, elas não representam o insucesso da análise. Ainda que o especialista possa usar todos números reais em seus julgamentos, é provável que eles não sejam consistentes, salvo ele se concentre plenamente em construir seus julgamentos de modo metódico, a partir dos básicos 𝑛 − 1.
O resultado é que uma matriz recíproca positiva será consistente se e somente 𝜆𝑚𝑎𝑥 = 𝑛. Observa-se que 𝜆𝑚𝑎𝑥 ≥ 𝑛 é sempre verdade. Além do mais, é possível estimar um desvio de
consistência, chamado de índice de consistência (CI), por meio da Equação 3.3. 𝐶𝐼 = (𝜆𝑚𝑎𝑥 − 𝑛)
(𝑛 − 1)
⁄ (Equação 3.3)
Como pode ser observado pela Equação 3.3, quanto mais próximo 𝜆𝑚𝑎𝑥 for de 𝑛, menor será o desvio e mais consistente será o resultado.
O cálculo do autovalor máximo 𝜆𝑚𝑎𝑥 pode ser sintetizado por meio das seguintes etapas: i. Estima-se o autovetor principal da matriz de comparação 𝐴 pela média das colunas normalizadas, da seguinte forma: dividem-se os elementos de cada coluna pela soma daquela coluna (isto é, normaliza-se a coluna) e, então, somam-se os elementos em cada linha resultante e divide-se esta soma pelo número de elementos na linha.
ii. Multiplica-se a matriz de comparação 𝐴 à direita pelo seu autovetor principal estimado na etapa i, obtendo-se um novo vetor coluna.
iii. Divide-se a primeira componente do vetor calculado na etapa ii pela primeira componente do autovetor principal de 𝐴; divide-se a segunda componente do vetor calculado na etapa ii pela segunda componente do autovetor principal de 𝐴; e, assim, sucessivamente, obtendo-se um novo vetor coluna.
iv. Calcula-se a média aritmética dos componentes do vetor calculado na etapa iii. Esta média é tida como uma boa aproximação para 𝜆𝑚𝑎𝑥.
O teste de consistência das matrizes culmina no cálculo da razão de consistência (CR), segundo a Equação 3.4.
𝐶𝑅 = 𝐶𝐼 𝑅𝐼⁄ , (Equação 3.4)
onde RI representa o índice randômico proposto por Saaty, sendo seus valores exibidos na Tabela 3.7.
Tabela 3.7. Índice Randômico (RI) (adaptada de Saaty, 1991).
𝒏 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
O professor Thomas Saaty (1991) estimou os valores de RI da Tabela 3.7 por meio de matrizes recíprocas geradas randomicamente. A partir de amostras de tamanho 500, encontraram-se os valores para matrizes com 𝑛 = 11, ao passo que, para 𝑛 = 12, 13, 14, 15, o tamanho das amostras foi 100. O que explica a flutuação estatística apresentada entre 𝑛 = 11 e 𝑛 = 12, já que se espera que RI aumente à medida em que a ordem da matriz cresça.
Saaty (1991) sugere que uma razão de consistência menor ou igual a 0,10 é considerada aceitável. Ou seja, uma matriz positiva recíproca de comparação 𝐴 pode ser tida como consistente quando 𝐶𝑅 ≤ 0,10. Assim, para cada matriz 𝐴 de cada especialista, calculou-se uma CR.
Para matrizes que apresentaram 𝐶𝑅 > 0,10, Saaty e Tran (2007) sugerem o seguinte processo:
i. Calcular os julgamentos mais inconsistentes 𝜀𝑖𝑗 segundo a Equação 3.5, sendo que, quanto maior o valor de 𝜀𝑖𝑗, mais inconsistente é o julgamento.
𝜀𝑖𝑗 = 𝑎𝑖𝑗×𝑤𝑤𝑗
𝑖 (Equação 3.5)
onde 𝑤𝑗 e 𝑤𝑖 representam, respectivamente, os pesos dos elementos 𝑗 e 𝑖 obtidos do autovetor principal da matriz 𝐴.
ii. Solicitar aos especialistas a possibilidade de reconsiderar esses julgamentos. iii. Repetir o processo até que CR seja menor ou igual a 0,10.
Partindo desse processo, calcularam-se os 𝜀𝑖𝑗 das matrizes 𝐴 com 𝐶𝑅 > 0,10. Então, enviou-se um e-mail de retorno aos especialistas (Apêndice F), no qual se explicou, brevemente, o que seria inconsistência e seu limite imposto por Saaty (1991). Ademais, sondou-se a disponibilidade de cada especialista revisar os julgamentos inconsistentes, os quais foram destacados nos questionários repassados.
Cabe salientar que não se esperou com isso forçar 𝐶𝑅 ≤ 0,10, pois a validade dos resultados respalda-se também no julgamento do especialista em relação aos riscos, quando comparados par-a-par. Apenas apresentou-se a oportunidade de cada um reconsiderar os julgamentos mais inconsistentes.
As matrizes que retornaram, ainda assim, com 𝐶𝑅 > 0,10 foram, consequentemente, descartadas da avaliação e não fizeram parte priorização dos riscos de obras públicas proposta
por este trabalho. Houve apenas uma rodada de reenvio de questionários devido à alta demanda de trabalho exigida dos especialistas e pelo longo período de tempo que a pesquisa levaria para ser concluída, caso os especialistas concordassem em reanalisar, em outras rodadas, seus julgamentos.
Com o intuito de facilitar a compreensão, denominaram-se as matrizes 𝐴 da seguinte forma:
• 𝐴0: referente aos primeiros questionários respondidos pelos especialistas;
• 𝐴1: referente aos questionários retornados pelos especialistas cujas matrizes 𝐴0
apresentaram 𝐶𝑅 > 0,10;
• 𝐴0,1: referente às matrizes 𝐴0 que exibiram 𝐶𝑅 ≤ 0,10 e todas as demais matrizes 𝐴1.
Passo 3 – Construção das matrizes sintéticas de comparação
Uma vez que os julgamentos de cada especialista originam matrizes recíprocas de comparação 𝑇̃ distintas para cada set de questionário, antes de proceder-se ao cálculo das prioridades propriamente dito, foi necessário agregar os julgamentos. Assim, formaram-se as matrizes sintéticas de comparação par-a-par.
Para tanto, a integração dos números triangulares fuzzy de cada matriz 𝑇̃ foi calculada pelo método da média geométrica, proposto por Buckley (1985) e apresentado pela Equação 3.6.
𝑡̃𝑖𝑗 = (𝑡̃1𝑖𝑗⨂𝑡̃2𝑖𝑗⨂…⨂𝑡̃𝐸𝑖𝑗)1 𝐸⁄ , (Equação 3.6)
onde 𝐸 refere-se ao número de especialistas participantes.
Segundo Buckley (1985), se as matrizes recíprocas de comparação 𝑇̃ forem consistentes, a matriz sintética de comparação também será.
Passo 4 – Cálculo dos vetores-peso
Primeiramente, para cada uma das 17 matrizes sintéticas de comparação obtidas no Passo 3, calcularam-se a média geométrica fuzzy 𝑟̃𝑖 e o vetor-peso fuzzy 𝑤̃𝑖, por meio das Equações 3.7 e 3.8, propostas por Buckley (1985).
𝑟̃𝑖 = (𝑡̃𝑖𝑖⨂𝑡̃𝑖𝑗⨂…⨂𝑡̃𝑖𝑛)1 𝑛⁄ (Equação 3.7)
𝑤̃𝑖 = 𝑟̃𝑖⨂(𝑟̃𝑖⨁ … ⨁𝑟̃𝑛)−1 (Equação 3.8)
onde 𝑡̃𝑖𝑛 é obtido da comparação do critério 𝑖 com o critério 𝑗, ∀ 𝑖, 𝑗 ∈ {1, … , 𝑛}; 𝑟̃𝑖 e 𝑤̃𝑖 são a média geométrica e o vetor-peso fuzzy do critério 𝑖, respectivamente; e 𝑛 representa o número de elementos da matriz.
Como os critérios podem dizer respeito tanto às categorias, como aos riscos, houve a necessidade distinguir os símbolos 𝑟̃𝑖 e 𝑤̃𝑖, de maneira que:
• 𝑟̃𝑘𝐶 e 𝑤̃𝑘𝐶– Média geométrica e vetor-peso fuzzy da categoria 𝑘 de risco;
• 𝑟̃𝑖𝑃 e 𝑤̃𝑖𝑃 – Média geométrica e vetor-peso fuzzy da probabilidade do risco 𝑖;
• 𝑟̃𝑖𝐼 e 𝑤̃𝑖𝐼 – Média geométrica e vetor-peso fuzzy do impacto do risco 𝑖.
Em um projeto, risco é definido, primordialmente, como o produto de sua probabilidade de ocorrência pelo seu impacto nos objetivos (ZENG et al, 2007; NBR ISO 31000:2009; CRETU et al, 2011; NIETO-MOROTE e RUZ-VILA, 2011; PMI, 2013; KUO e LU, 2013; LIU, ZHAO e YAN, 2016; ELBARKOUKY et al, 2016; OTERO e SPOSTO, 2016). Em virtude disto, adaptou-se o FAHP proposto por Hsieh et al (2004), que se volta à análise de ciclo de vida (ACV), ao contexto da análise de riscos. Portanto, calculou-se o vetor-peso fuzzy 𝑤̃𝑖𝑅 de cada risco 𝑖 por meio da multiplicação entre 𝑤̃𝑖𝑃 e 𝑤̃𝑖𝐼, ponderada pelo vetor-peso 𝑤̃𝑘𝐶,
referente à categoria 𝑘 do risco analisado, conforme a Equação 3.9.
𝑤̃𝑖𝑅 = 𝑤̃𝑘𝐶⨂(𝑤̃𝑖𝑃⨂𝑤̃𝑖𝐼), (Equação 3.9)
O vetor-peso 𝑤̃𝑖𝑅 obtido por meio da Equação 3.9 é um número fuzzy triangular, sendo,
assim, representado pelo trio (𝐿𝑤̃𝑖𝑅, 𝑀𝑤̃
𝑖𝑅, 𝑈𝑤̃𝑖𝑅), onde os parâmetros 𝐿𝑤̃𝑖𝑅, 𝑀𝑤̃𝑖𝑅 e 𝑈𝑤̃𝑖𝑅 indicam,
respectivamente, o menor valor possível, o valor central e o maior valor possível. Portanto, 𝑤̃𝑖𝑅 precisou ser convertido em um número não-fuzzy para que pudesse ser gerado o ranking de prioridades dos riscos. Este processo, conhecido como desfuzzificação30, consiste em
estabelecer o valor não-fuzzy de melhor desempenho para o número triangular fuzzy em questão. Dentre os métodos para desfuzzificação existentes, destacam-se a média dos máximos31,
o 𝛼 − 𝑐𝑢𝑡 e o centro de área (HSIEH et al, 2004; KUO e LU, 2013; CHAN e WANG, 2013).
30 Tradução proposta para defuzzification. 31 Tradução proposta para Mean of Maximal.
Segundo Hsieh et al (2004), o método do centro de área (COA) é simples e prático de ser utilizado, além de dispensar análises das flutuações dos julgamentos e do grau de otimismo dos especialistas, como no 𝛼 − 𝑐𝑢𝑡.
Então, pelo método do COA, o vetor-peso não-fuzzy 𝑤𝑖𝑅, para cada risco 𝑖, foi calculado pela Equação 3.10.
𝑤𝑖𝑅 = [(𝑈𝑤̃𝑖𝑅− 𝐿𝑤̃𝑖𝑅) + (𝑀𝑤̃𝑖𝑅− 𝐿𝑤̃𝑖𝑅)]
3 + 𝐿𝑤̃𝑖𝑅 (Equação 3.10)
Por fim, calculou-se, para cada risco 𝑖, o vetor-peso não-fuzzy normalizado 𝑊𝑖, com o intuito de estabelecer um ranking de prioridade percentual, por meio da Equação 3.11.
𝑊𝑖 = 𝑤𝑖
𝑅
∑𝑛 𝑤𝑖𝑅
𝑖=1 ×100% , (Equação 3.11)
onde 𝑛 representa o número total de riscos em análise.
Por meio do vetor-peso não-fuzzy normalizado 𝑊𝑖 de cada risco 𝑖, ∀ 𝑖 ∈ {1, … , 𝑛}, desenvolveu-se a Lista de Riscos Priorizados, objetivo da sub-etapa 3.2.4.
Para demonstrar a influência do vetor-peso das categorias 𝑤̃𝑘𝐶 no cálculo do vetor-peso 𝑤̃𝑖𝑅 de cada risco, os vetores 𝑤̃
𝑘𝐶 foram desfuzzificados (𝑤𝑘𝐶) e normalizados (𝑊𝑘), por meio
das Equações 3.10 e 3.11, respectivamente. Assim, gerou-se um ranking de prioridade entre as categorias.
A partir da Lista de Riscos Priorizados, empreenderam-se as seguintes análises:
• Elaboração do “Grupo 𝑅20%”: aplicação do Princípio de Pareto – também conhecido
como regra 80-20 – com o intuito de destacar os riscos que devem ser responsáveis por 80% dos entraves ao cumprimento dos objetivos de obras públicas brasileiras. Esse grupo compôs-se dos primeiros 20% de riscos, de acordo com o número total de riscos da lista priorizada;
• Comparação do Grupo 𝑅20% (GR20%) com pesquisas que apresentaram a
hierarquização dos riscos como um de seus produtos;
• Análise de influência dos riscos do GR20% nos critérios de sucesso de obras públicas; • Contextualização do GR20%, tendo como base o atual cenário brasileiro.
4 RESULTADOS E DISCUSSÕES
Neste capítulo, apresentam-se os resultados e discussões pertinentes ao trabalho, em conformidade com as etapas e sub-etapas do método delineado no Capítulo 3.
4.1 ESTUDOS TÉCNICOS
Ao longo da etapa de Estudos Técnicos, pesquisaram-se 127 referências internacionais e nacionais, as quais são listadas nas Referências deste trabalho. Foram exploradas 40 obras, 56 artigos, 17 documentos de cunho jurídico e 5 normas, conforme o Quadro 4.1 detalha.
Quadro 4.1. Catalogação do referencial.
Obra Artigo
Jurídico Norma Outros
Livro Guia Relatório Revista A1 A2 B1 B5 C N/E Congresso
9 13 6 12 14 15 10 1 1 8 7 17 5 9
31% 44% 13% 4% 7%
Legenda:
N/E – Não existem dados cadastrados para o periódico na classificação de periódicos 2016 Qualis.
Pela catalogação do Quadro 4.1, observa-se que os artigos correspondem a 44% do referencial bibliográfico utilizado. Deles, cerca de 70% são avaliados como A1, A2 ou B1 na classificação de periódicos 2016 Qualis, executada pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes). Em relação às obras e normas, que juntas representam 35% da bibliografia, os principais referenciais estudados são exibidos na Tabela 4.1.
Tabela 4.1. Referências das principais obras e normas.
Livro Guia/ Manual Relatório Norma
Saaty (1991) FHWA (2006) Banco Mundial (2013) NBR ISO 31000:2009
Klir e Yuan (1995) COSO (2007) ISO 31010:2009
Cretu et al (2011) PMI (2013) Chan e Wang (2013) DNIT (2013)
4.2 PROCESSO DE AVALIAÇÃO DE RISCOS
A seguir, apresentam-se os resultados de cada uma das quatro sub-etapas do Processo de Avaliação Riscos.
4.2.1 Identificação preliminar dos riscos
A identificação preliminar dos riscos foi realizada por meio da investigação detalhada e cuidadosa dos artigos levantados. Ao todo, foram verificados, na literatura científica pesquisada, 61 riscos de obras de construção civil com denotações diferentes, aos quais se adicionaram mais 3 de autoria própria.
A Lista Preliminar de Riscos Identificados localiza-se na Tabela 4.2. Ela se divide em duas colunas: a primeira traz os riscos identificados dispostos em ordem alfabética, enquanto a segunda exibe as referências de onde os riscos foram observados.
Tabela 4.2. Lista Preliminar de Riscos Identificados.
Risco Fonte
Ação civil pública Boateng et al (2015)
Alterações societárias Zayed et al (2008)
Ambiguidade/mudança do escopo do projeto Zayed et al (2008); Khazaeni et al (2012); Boateng et al (2015); Elbarkouky et al (2016); Liu, Zhao e Yan (2016)
Atraso dos fornecedores Zayed et al (2008); Yang e Wei (2011);
Khazaeni et al (2012); Elbarkouky et al (2016); Liu, Zhao e Yan (2016)
Atraso na aprovação do projeto Boateng et al (2015); Elbarkouky et al (2016) Atraso no pagamento dos serviços prestados Boateng et al (2015)
Burocracia Dikmen et al (2007); Bu-Qammaz et al
(2009); Li e Zou (2011); Khazaeni et al (2012); Liu, Zhao e Yan (2016)
Catástrofes naturais Li e Zou (2011); Boateng et al (2015)
Complexidade do projeto subestimada Zayed et al (2008); Khazaeni et al (2012); Kuo e Lu (2013); Boateng et al (2015); Liu, Zhao e Yan (2016)
Comunicação falha entre as partes envolvidas Nieto-Morote e Ruz-Vila (2011); Kuo e Lu (2013); Elbarkouky et al (2016); Liu, Zhao e Yan (2016)
Condições climáticas desfavoráveis Zayed et al (2008); Boateng et al (2015); Elbarkouky et al (2016)
Risco Fonte
Corrupção Bu-Qammaz et al (2009); Liu, Zhao e Yan
(2016)
Corte do projeto Boateng et al (2015)
Crise econômica Boateng et al (2015)
Custo da compensação ambiental Autoria própria
Custo de indenização maior do que previsto Li e Zou (2011); Khazaeni et al (2012); Boateng et al (2015)
Deficiência no monitoramento e controle Nieto-Morote e Ruz-Vila (2011); Yang e Wei (2011)
Dificuldade de acesso à infraestrutura (eletricidade, água, etc.)
Nieto-Morote e Ruz-Vila (2011); Khazaeni et al (2012); Taylan (2014); Boateng et al (2015); Boateng et al (2015)
Dificuldade de desapropriação do terreno Li e Zou (2011); Boateng et al (2015) Dificuldade na obtenção de licenças ambientais Autoria própria
Dificuldades/mudanças na obtenção de licenças e aprovações
Boateng et al (2015)
Disputas contratuais Li e Zou (2011); Nieto-Morote e Ruz-Vila
(2011); Khazaeni et al (2012); Liu, Zhao e Yan (2016)
Erros de execução Khazaeni et al (2012); Boateng et al (2015)
Estimativa de custos subestimada ou superestimada
Autoria própria
Estimativa de quantidades inadequada Nieto-Morote e Ruz-Vila (2011); Boateng et al (2015)
Excesso de procedimentos para aprovação Boateng et al (2015)
Falhas na higiene e segurança do trabalho Zayed et al (2008); Nieto-Morote e Ruz-Vila (2011); Yang e Wei (2011); Silva et al (2015); Elbarkouky et al (2016); Liu, Zhao e Yan (2016)
Falta de apoio político Boateng et al (2015)
Falta de experiência no gerenciamento/execução de obra
Elbarkouky et al (2016)
Falta de mão de obra Elbarkouky et al (2016)
Falta de materiais e equipamentos Zayed et al (2008); Li e Zou (2011); Nieto- Morote e Ruz-Vila (2011); Kuo e Lu (2013); Khazaeni et al (2012); Liu, Zhao e Yan (2016)
Falta de recursos Li e Zou (2011); Taylan (2014)
Falta de tecnologia adequada Boateng et al (2015); Liu, Zhao e Yan (2016) Impactos ambientais imprevistos Liu, Zhao e Yan (2016)
Inconsistência com os padrões de qualidade Elbarkouky et al (2016)
Indecisão política Li e Zou (2011); Boateng et al (2015); Liu,
Zhao e Yan (2016)
Indisponibilidade de equipamento adequado Nieto-Morote e Ruz-Vila (2011)
Indisponibilidade de mão de obra adequada Taylan (2014); Silva et al (2015); Liu, Zhao e Yan (2016)
Risco Fonte
Inflação Boateng et al (2015)
Interferência política Li e Zou (2011); Yang e Wei (2011); Boateng
et al (2015); Elbarkouky et al (2016); Liu, Zhao e Yan (2016)
Mudança de governo Zayed et al (2008); Khazaeni et al (2012);
Elbarkouky et al (2016)
Mudança de preços de materiais Kuo e Lu (2013); Boateng et al (2015); Liu, Zhao e Yan (2016)
Mudança de projeto Elbarkouky et al (2016)
Mudança de salários Boateng et al (2015); Elbarkouky et al (2016)
Mudança na legislação Kuo e Lu (2013)
Mudança nas estratégias de operação Zayed et al (2008) Mudança nas políticas governamentais de
financiamento
Khazaeni et al (2012); Taylan (2014); Boateng et al (2015); Liu, Zhao e Yan (2016)
Mudança no preço da energia Boateng et al (2015)